論文の概要: Broiler-Net: A Deep Convolutional Framework for Broiler Behavior Analysis in Poultry Houses

• arxiv url: http://arxiv.org/abs/2401.12176v1
• Date: Mon, 22 Jan 2024 18:09:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 13:01:42.601448
• Title: Broiler-Net: A Deep Convolutional Framework for Broiler Behavior Analysis in Poultry Houses
• Title（参考訳）: Broiler-Net: 養鶏家におけるブロイラー行動分析のための深層畳み込みフレームワーク
• Authors: Tahereh Zarrat Ehsan, Seyed Mehdi Mohtavipour
• Abstract要約: 本稿では, ケージフリー養鶏場における鶏肉の挙動をリアルタイムに解析し, 異常行動を検出する枠組みを提案する。 提案フレームワークは,最先端の深層学習モデルを用いた鶏肉検出,(2)高速トラッカーモジュールを用いた連続フレーム間の個々の鶏肉追跡,(3)ビデオストリーム内の異常な行動を検出する3つの重要なステップから構成される。
• 参考スコア（独自算出の注目度）: 1.8130068086063336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting anomalies in poultry houses is crucial for maintaining optimal chicken health conditions, minimizing economic losses and bolstering profitability. This paper presents a novel real-time framework for analyzing chicken behavior in cage-free poultry houses to detect abnormal behaviors. Specifically, two significant abnormalities, namely inactive broiler and huddling behavior, are investigated in this study. The proposed framework comprises three key steps: (1) chicken detection utilizing a state-of-the-art deep learning model, (2) tracking individual chickens across consecutive frames with a fast tracker module, and (3) detecting abnormal behaviors within the video stream. Experimental studies are conducted to evaluate the efficacy of the proposed algorithm in accurately assessing chicken behavior. The results illustrate that our framework provides a precise and efficient solution for real-time anomaly detection, facilitating timely interventions to maintain chicken health and enhance overall productivity on poultry farms. Github: https://github.com/TaherehZarratEhsan/Chicken-Behavior-Analysis
• Abstract（参考訳）: 養鶏家における異常の検出は、最適な鶏の健康状態の維持、経済的損失の最小化、収益性の向上に不可欠である。 本稿では, ケージフリー養鶏場における鶏肉の挙動をリアルタイムに解析し, 異常行動を検出する枠組みを提案する。 具体的には,不活性ブロイラーとハドリング行動の2つの有意な異常について検討した。 提案手法は,(1)最先端の深層学習モデルを用いたニワトリ検出,(2)高速トラッカーモジュールを用いた連続したフレーム間の個々のニワトリ追跡,(3)ビデオストリーム内の異常な挙動の検出の3段階からなる。 ニワトリの行動を正確に評価するために,提案アルゴリズムの有効性を評価する実験を行った。 以上の結果から,本フレームワークはリアルタイムな異常検出のための正確かつ効率的なソリューションであり,鶏の健康維持や養鶏場全体の生産性向上にタイムリーな介入を促進することが示唆された。 Github: https://github.com/TaherehZarratEhsan/Chicken-Behavior-Analysis

関連論文リスト

• Controlling Risk of Retrieval-augmented Generation: A Counterfactual Prompting Framework [77.45983464131977]
  我々は、RAGモデルの予測が誤りであり、現実のアプリケーションにおいて制御不能なリスクをもたらす可能性がどの程度あるかに焦点を当てる。 本研究は,RAGの予測に影響を及ぼす2つの重要な潜伏要因を明らかにする。 我々は,これらの要因をモデルに誘導し,その応答に与える影響を解析する,反実的プロンプトフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-09-24T14:52:14Z)
• Deep Sensitivity Analysis for Objective-Oriented Combinatorial Optimization [5.794844059546945]
  病原性制御は現代の養鶏における重要な側面であり、公衆衛生と生産性の両方に重要な利益をもたらす。 本研究では、ニューラルネットワーク最適化問題として、複数の病原体の存在を最小限に抑える最適な管理手法の探索を行う。 予備実験は、2つの実世界の農業データセットに適用した場合に有望な結果をもたらす。
  論文  参考訳（メタデータ） (2024-02-28T02:15:47Z)
• Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition [0.0]
  本研究は,その行動特性のロバストなシステムを提案するために,産卵鶏の鳴き声の種類を認識することに焦点を当てる。 次に,時間領域と周波数領域の特徴を組み合わせた最適音響特性を設計した。 次に、これらの特徴を用いて、繰り返しニューラルネットワークに基づくマルチラベル分類モデルを構築し、その振る舞いを特徴付ける発声に意味クラスを割り当てた。
  論文  参考訳（メタデータ） (2024-01-18T10:52:46Z)
• GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
  グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。 個人データの不正利用に関する懸念が高まっている。 近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。 本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
  論文  参考訳（メタデータ） (2023-10-11T00:50:55Z)
• Nondestructive chicken egg fertility detection using CNN-transfer learning algorithms [2.140665055308364]
  本研究ではCNN-Transfer Learningの非破壊鶏卵受精検出への応用について検討した。 VGG16、ResNet50、InceptionNet、MobileNetの4つのモデルがトレーニングされ、データセット(200個のシングルエッグイメージ)で評価された。 InceptionNetは、受精卵と不受精卵を正確に分類し、全体的なパフォーマンスを最高のものにした。
  論文  参考訳（メタデータ） (2023-09-28T08:50:19Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• Using machine learning on new feature sets extracted from 3D models of broken animal bones to classify fragments according to break agent [53.796331564067835]
  ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。 この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。 監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
  論文  参考訳（メタデータ） (2022-05-20T20:16:21Z)
• Birds' Eye View: Measuring Behavior and Posture of Chickens as a Metric for Their Well-Being [0.8192907805418583]
  ニワトリの養育は、世界の人口増加のために食料の安全とより良い栄養を確保するために重要である。 ペンでニワトリの姿勢と行動を検出することを目的として、事例分割のためのMask R-CNNと、分類のためのResNet50と組み合わせてYOLOv4という2つのアルゴリズムを用いた。 以上の結果から,Mask R-CNNを用いた姿勢・行動検出では重み付きF1スコア88.46%,行動検出では平均91%の精度が得られた。
  論文  参考訳（メタデータ） (2022-04-29T20:27:08Z)
• Dairy Cow rumination detection: A deep learning approach [0.8312466807725921]
  交配行動は、畜産の発展と収量を追跡するための重要な変数です。 現代のアタッチメントデバイスは、牛にとって侵襲的で、ストレスがあり、不快である。 本研究では,CNN(Convolution Neural Network)に基づくディープラーニングモデルを用いた革新的なモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2021-01-07T07:33:32Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。